数据科学基础

　　本书将通过具有中国特色的具体案例来讲授Python编程的基本语法规则，并通过Python语言来介绍数据科学的基本内容以及数据分析方法的基本思想。内容分为两部分，第一部分介绍Python编程的基本概念，包括常用表达式、数据类型、表格处理、数据可视化等；第二部分结合Python语言介绍数据分析方法的基本思想，比如假设检验、置信区间、参数估计、线性回归、分类问题等。

　　朱利平，中国人民大学 “杰出学者”特聘教授、博士生导师，统计与大数据研究院副院长。国家重大人才工程入选者，长期从事复杂数据分析方法和理论的研究，在国际重要学术期刊发表论文70余篇。

第一章引言/1
1．1什么是大数据/2
1．2什么是数据科学/2
1．3教学内容和目的/3
第二章因果推断/4
2．1观察性数据/5
2．2随机化双盲试验/9
2．3随机化试验的其他例子/13
2．4结论/14
第三章Python入门/15
3．1Python安装指南/15
3．2表达式/16
3．3数值类型/19
3．4字符串/23
3．5赋值语句/28
3．6其他运算符/35
3．7调用函数/42
3．8结论/47
第四章复杂数据类型/48
4．1列表/49
4．2元组/56
4．3字典/57
4．4数组/60
第五章复杂代码组/66
5．1条件语句/69
5．2循环语句/73
5．3函数/85
第六章表格处理/92
6．1模拟数据/96
6．2案例1：1812年俄法战争数据/107
6．3案例2：2010年中国人口普查资料/111
第七章数据可视化/118
7．1基础语法/118
7．2散点图和折线图/119
7．3柱状图、饼图、箱线图和概率图/140
第八章概率、条件概率及贝叶斯公式/149
8．1概率/149
8．2条件概率/151
8．3贝叶斯公式/155
8．4随机变量和概率分布/158
第九章经验分布/166
9．1总体概率分布的直方图/166
9．2经验分布的直方图/167
9．3大数定律/171
9．4总体/174
9．5从总体中抽样及样本的经验分布/177
9．6参数/179
9．7模拟统计量/180
9．8案例1：NBA周明星球员的年龄/182
9．9案例2：估计敌军飞机的数量/185
第十章假设检验/191
10．1案例1：第十二届全国人民代表大会少数民族人大代表比例问题/191
10．2案例2：孟德尔的豌豆花/199
10．3案例3：某附属中学学生的平均分数/202
10．4错误概率/204
10．5简单的假设检验/206
第十一章参数估计/216
11．1百分位数/216
11．2自助法/222
11．3置信区间/233
第十二章均值与中心极限定理/239
12．1均值的定义/239
12．20/1数据的均值是数据中1的比例/240
12．3均值和直方图/241
12．4一些例子/244
12．5数据波动性/247
12．6标准差和正态曲线/252
12．7中心极限定理/258
12．8样本均值的波动/263
12．9样本均值的中心极限定理/268
第十三章预测/271
13．1相关性/272
13．2回归直线/279
13．3均方根误差/287
第十四章回归中的统计推断/290
14．1回归模型/290
14．2对于真实斜率的推断/292
14．3对于散点图的重抽样/295
14．4预测的波动性/304
14．5总结/306
第十五章机器学习常用方法/308
15．1回归模型/308
15．2分类方法/321
15．3非监督学习——聚类/325